본문 바로가기
KERD
논문KCI 등재

기울어진 차량 번호판 탐지를 위해 객체 세그먼테이션을 이용한 개선된 2-단계 차량 번호판 탐지 기법

An Enhanced Two-Stage Vehicle License Plate Detection Scheme Using Object Segmentation for Declined License Plate Detections

이상원|최범석|김유성
한국컴퓨터정보학회 (The Korean Society Of Computer And Information)|2021.09|한국컴퓨터정보학회논문지 (Journal of The Korea Society of Computer and Information)|제26권 제9호|pp. 49-55|DOI https://doi.org/10.9708/jksci.2021.26.09.049

1

조회

0

다운로드

0

인용

0

참고문헌

키워드

Object segmentation탐지 정확도Detection accuracy개선된 차량 번호판 탐지 기법회전된 차량 번호판객체 세그먼테이션단순 탐지 과정Enhanced vehicle license plate detection schemeRotated plate imagesSimple detection process
주제분류컴퓨터학

초록

본 논문에서는 실제 도로에서 기울어진 촬영 각도로 인하여 회전된 차량 번호판을 정확하게 탐지하기 위하여 객체 세그먼테이션(object segmentation)을 이용하는 개선된 2-단계 차량 번호판 탐지 모델을 제안한다. 기존 연구에서 제안한 3-단계 차량 번호판 탐지 파이프라인 모델은 차량 번호판이 많이 기울어져 있을수록 탐지 정확도가 낮아지는 문제가 있다. 이를 해결하기 위해서 기존의 3-단계 모델에서 사각형 형태만으로 차량 후보 영역과 차량 번호판 후보 영역을 인식하는 전위 2개의 처리 단계 대신에 임의의 형태로 객체 탐지가 가능한 객체 세그먼테이션을 이용하는 하나의 단계로 대체함으로써 탐지 과정을 단순화하였으며 궁극적으로는 임의의 형태로 기울어진 차량 이미지에 대해서도탐지 성능을 개선하였다. 기울어진 차량 번호판 이미지를 대상으로 실시한 차량 번호판 탐지 모델의정확도 분석 실험 결과에 의하면 기존의 3-단계 차량 번호판 탐지 모델보다 제안된 2-단계 기법이 탐지 과정을 단순화하였음에도 최대 약 20%의 탐지 정확도를 개선할 수 있는 것으로 분석되었다.

Abstract

In this paper, an enhanced 2-stage vehicle license plate detection scheme using object segmentation is proposed to detect accurately the rotated license plates due to the inclined photographing angles in real-road situations. With the previous 3-stage vehicle license plate detection pipeline model, the detection accuracy is likely decreased as the license plates are declined. To resolve this problem, we propose an enhanced 2-stage model by replacing the frontal two processing stages which are for detecting vehicle area and vehicle license plate respectively in only rectangular shapes in the previous 3-stage model with one step to detect vehicle license plate in arbitrarily shapes using object segmentation. According to the comparison results in terms of the detection accuracy of the proposed 2-stage scheme and the previous 3-stage pipeline model against the rotated license plates, the accuracy of the proposed 2-stage scheme is improved by up to about 20% even though the detection process is simplified.

참고문헌 (18)

  1. K. M. Sajjad, "Automatic License Plate Recognition using Python and OpenCV", Department of Computer Science and Engineering M.E.S., pp.2010
  2. Shan Du, "Automatic License Plate Recognition (ALPR): A State-of-the-Art Review", IEEE Transactions on Circuits and Systems for Video Technology, 23(2), pp.311~325 (2013), Institute of Electrical and Electronics Engineers (IEEE)[DOI]
  3. B. Li, "A vehicle license plate recognition system based on analysis of maximally stable extremal regions", Proceedings of 9th IEEE International Conference on Networking, pp.399~404 (2012)
  4. Hendry, "Automatic License Plate Recognition via sliding-window darknet-YOLO deep learning", Image and Vision Computing, 87, pp.47~56 (2019), Elsevier BV[DOI]
  5. R. Laroca, "A robust real-time automatic license plate recognition based on the Yolo detector", 2018 International Joint Conference on Neural Networks (IJCNN), pp.1~10 (2018)
  6. "OpenALPR(Automatic License Plate Recognition)"[URL]
  7. Gabriel Resende Gonçalves, "Benchmark for license plate character segmentation", Journal of Electronic Imaging, 25(5), pp.053034~ (2016), SPIE-Intl Soc Optical Eng[DOI]
  8. Gee-Sern Hsu, "Application-Oriented License Plate Recognition", IEEE Transactions on Vehicular Technology, 62(2), pp.552~561 (2013), Institute of Electrical and Electronics Engineers (IEEE)[DOI]
  9. S. M. Silva, "Computer Vision - ECCV 2018, Lecture Notes in Computer Science, Vol 11216" (2018), Springer
  10. J. Redmon, "You Only Look Once : Unified, Real-Time Object Detection", 2016 IEEE Conference on Computer Vision and Pattern Recognition(CVPR), pp.779~788 (2016)
  11. S.W. Lee, "A Progressing Direction for Vehicle License Plate Detectors Based on Performance Evaluations Using Emulated Images for Various Real-Road Situations", Video session presented at the 2020 Asia-pacific Society of Convergent Research Interchange 4th Domestic and International Conference (2020)
  12. G. Bradski, "The OpenCV Library", Dr. Dobb’s Journal of Software Tools (2000)
  13. 이상원, "실제도로 상황에서 탐지 정확도 개선을 위해 공간적 집중을 사용하는 차량 번호판 탐지 기법", 한국컴퓨터정보학회논문지, 26(1), pp.93~101 (2021), 한국컴퓨터정보학회[DOI]
  14. J. Redmon, "Yolo9000: Better, Faster, Stronger", 2017IEEE Conference on Computer Vision and Pattern Recognition (CVPR), pp.6517~6525 (2017)
  15. Yolov3: An Incremental Improvement, "J. Redmon", ~ (2018)
  16. O. Ronneberger, "U-Net: Convolutional Networks for Biomedical Image Segmentation", Lecture Notes in Computer Science, 9351 (2015), Springer
  17. G. Gkioxari, "Mask r-cnn", 2017IEEE International Conference on Computer Vision(ICCV), pp.2980~2988 (2017)
  18. K. He, "Tensormask : A foundation for dense object segmentation", 2019 IEEE, 2019, 2061~2069

관련 논문AI추천

실제도로 상황에서 탐지 정확도 개선을 위해 공간적 집중을 사용하는 차량 번호판 탐지 기법김유성, 이상원, 최범석한국컴퓨터정보학회 · 한국컴퓨터정보학회논문지2021 · 제26권 제1호이미지 분할 패턴을 활용한 자동차 번호 추출에 관한 연구장은겸한국컴퓨터정보학회 · 한국컴퓨터정보학회논문지2018 · 제23권 제10호딥러닝과 의미론적 영상분할을 이용한 자동차 번호판의 숫자 및 문자영역 검출이정환한국융합학회 · 한국융합학회논문지2021 · 제12권 제1호CNN 기반 한국 번호판 인식김재민, 연승호, Tang Quang Hieu한국전기전자학회 · 전기전자학회논문지2019 · 제23권 제4호YOLOv4 알고리즘을 이용한 저품질 자동차 번호판 영상의 숫자 및 문자영역 검출이정환(사)디지털산업정보학회 · (사)디지털산업정보학회 논문지2022 · 제18권 제4호Fast Super-Resolution GAN 기반 자동차 번호판 검출 및 인식 성능 고도화 기법곽정환, 민동욱, 임현석(사)한국스마트미디어학회 · 스마트미디어저널2020 · 제9권 제4호

이 간행물의 다른 논문 (21건)

GPU 프로그램의 수행 중에 원자성위배를 자율적으로 수리하는 도구이건표, 이성진, 전용기pp. 1-12관계속성 기반의 개념분석 및 개념계층구조 가시화 기법 개발과 공공오픈 데이터집합에 대한 적용황석형pp. 13-25인공신경망으로 제어되는 포식자-피식자 개체군의공진화를 통한 안정성 시뮬레이션이태우, 심윤식, 김수균pp. 27-35U-네트의 수용 영역 다양화를 이용한 혀 영역 분할이옥걸, 정성태pp. 37-47항공기 1차조종면 제어를 위한 딥러닝 기반 음성인식 비행 제어장치의 구현박명철, 허화라, 김태선pp. 57-64
원문 보기